共查询到20条相似文献,搜索用时 93 毫秒
1.
2.
3.
介绍了上存水库库区地质背景、构造应力场、地震活动背景等诱发地震条件。应用诱发地震条件类比与概率预测法,对上存水库进行诱发地震可能性分析。结果表明:①根据水库诱发条件类比分析认为上存水库发生诱发地震的可能性小。②从概率预测和最大诱发地震估算看,上存水库存在发生4级以下诱发地震的可能。极震区地震烈度可能会达到Ⅵ度,尚未达到当地地震基本烈度。水库建设可不用考虑水库诱发地震的影响。 相似文献
4.
瓦屋山水电站水库诱发地震危险性研究 总被引:1,自引:0,他引:1
瓦屋山水电站位于川南台陷南端,南邻峨眉山断块,水库南缘的毛沟断裂最新活动时期为晚更新世,水库处于活动性大地构造环境中,该区属于名山-马边-昭通过地震北段,以弱震活动为主,伴有少量中强地震,目前正处于地震活动期,从分析库区地质构造,水文地质,工程地质,地震活动等条件,并使用水库综合影响系数法,贝叶斯概率预测法,断层强度分析法,判定库区存在着发生构造型水库诱发地震的可能性,诱发地震强度Ms≤5.5。划 相似文献
5.
6.
7.
8.
本文阐明了模式识别方法的原理及其在水库诱发地震危险性预测研究中应用的可行性和实用性。以国内22个水库为样本(其中11个是有震样本),提取水库诱发地震有关的地质、地震、水文等方面的因素及特征,对拟建长江三峡三斗坪和清江隔河岩高坝水库进行预测。初步判定这两个水库区存在着水库诱发地震的危险性背景,并且清江隔河岩高坝水库区都镇湾以西地段,不存在诱发地震的背景,而其以东库,存在着水库诱发地震的背景。 相似文献
9.
在系统整理和分析已有的预测方法的基础上,根据预测方法的特点将其归为定性预测、定量预测和基于监测的预测法三大类。详细介绍了震级上限法、经验类比法、高震级b值与低震级b值之比预测法、加卸载响应比法、概率预测法、模糊综合评判法和综合影响参数法,并对其优点、存在的问题和发展方向进行了讨论。认为由于目前对水库诱发地震机理认识的不足,水库诱发地震问题的复杂多样性及震例的有限性,当前的预测方法均未能较好地对水库诱发地震的实际情况进行合理的评估,应加强从水库诱震机理的角度对预测方法进行研究分析,在实际应用时应考虑水库的实际情况,结合多种预测方法,并基于水库监测数据的综合分析进行预测。 相似文献
10.
澜沧江小湾水库诱发地震的断裂构造条件分析 总被引:3,自引:0,他引:3
分析了小湾水库库区的断裂构造条件和地质结构特征,在此基础上划分了4个易于产生诱发地震的危险库段。并对各危险库段诱发地震的震级进行了初步预测。 相似文献
11.
12.
中国东部四个水库震例的诱震环境因素研究 总被引:1,自引:0,他引:1
本文通过对我国东部四个诱震水库的地质调查及其资料分析,探讨了水库地震诱发过程中所涉及的诸环境因素。研究表明:水库地震的诱发因素很多,但大体上可归纳成库水渗透条件和发震构造条件两类;这些环境因素只有在它们按一定方式恰当地组合成一个统一体存在于同一库区(段),水库地震才有可能诱发产生。因此,预测水库地震一个很重要的工作就是要查明库区诱发地震的环境因素及其总体组合条件。 相似文献
13.
水库蓄水后可能诱发的地震危险性估计是工程地震工作中的一项重要环节,其中可能诱发的地震强度是人们特别关注的要素。本文基于国内外41个水库地震震例,从目前对水库地震形成机理的认识水平出发,提取了15个可能的诱震指标,应用模式识别的一些方法对水库蓄水后的诱发地震危险性进行复因子评估,通过内符检验讨论了这些方法在水库诱发地震危险性上的估计效能,给出了其错误概率估计值,结果表明,这些方法能够相对客观和合理地评定水库蓄水后可能诱发的地震危险性水平大小,在工程上具有一定应用价值。 相似文献
14.
15.
16.
17.
18.
19.
本文通过对龙羊峡水库蓄水使共和盆地应力、重力等条件改变的讨论,认为:共和地震的形成和发生与龙羊峡水库蓄水有密切的关联,在将共和地震与水库诱发地震的特征进行了比较后,发现共和地震所表现出来的特征与水库诱发地震特征极其相似,进而提出共和地震应属水库诱发地震的范畴。 相似文献
20.
The prediction of magnitude (M) of reservoir induced earthquake is an important task in earthquake engineering. In this article, we employ a Support Vector Machine (SVM) and Gaussian Process Regression (GPR) for prediction of reservoir induced earthquake M based on reservoir parameters. Comprehensive parameter (E) and maximum reservoir depth (H) are considered as inputs to the SVM and GPR. We give an equation for determination of reservoir induced earthquake M. The developed SVM and GPR have been compared with the Artificial Neural Network (ANN) method. The results show that the developed SVM and GPR are efficient tools for prediction of reservoir induced earthquake M. 相似文献